MLflow MCP Server: Natural Language Interface for MLflow

基本能力

产品定位

MLflow MCP Server 是一个为 MLflow 提供自然语言接口的工具，旨在简化机器学习实验和模型的管理与探索。

核心功能

• 自然语言查询：使用简单的英语查询 MLflow 跟踪服务器。
• 模型注册表探索：获取已注册模型的信息。
• 实验跟踪：列出和探索实验和运行。
• 系统信息：获取 MLflow 环境和状态的元数据。

适用场景

• 需要快速查询 MLflow 跟踪服务器的用户。
• 希望通过自然语言交互管理机器学习实验和模型的团队。
• 需要获取 MLflow 系统状态和元数据的开发者。

工具列表

• list_models：列出 MLflow 模型注册表中的所有注册模型。
• list_experiments：列出 MLflow 跟踪服务器中的所有实验。
• get_model_details：获取特定注册模型的详细信息。
• get_system_info：获取 MLflow 跟踪服务器和系统的信息。

常见问题解答

• 当前功能限制：仅支持部分 MLflow 功能。
• 客户端要求：需要互联网访问以使用 OpenAI 模型。
• 错误处理：对于复杂的 MLflow 操作，错误处理可能有限。

使用教程

使用依赖

• Python 3.8+
• 运行的 MLflow 服务器（默认：http://localhost:8080）
• OpenAI API 密钥

安装教程

1. 克隆仓库： bash git clone https://github.com/iRahulPandey/mlflowMCPServer.git cd mlflowMCPServer
2. 创建虚拟环境： bash python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate
3. 安装依赖包： bash pip install mcp[cli] langchain-mcp-adapters langchain-openai langgraph mlflow
4. 设置 OpenAI API 密钥： bash export OPENAI_API_KEY=your_key_here
5. （可选）配置 MLflow 跟踪服务器 URI： bash export MLFLOW_TRACKING_URI=http://localhost:8080

调试方式

1. 启动 MCP 服务器： bash python mlflow_server.py
2. 使用客户端进行查询： bash python mlflow_client.py "What models do I have registered in MLflow?" 示例查询：
3. "Show me all registered models in MLflow"
4. "List all my experiments"
5. "Get details for the model named 'iris-classifier'"
6. "What's the status of my MLflow server?"

许可证

None